第 ３２ 卷 第 ７ 期 计算机技术与发展 Ｖｏｌ．３２ Ｎｏ．７

２０２２ 年 ７ 月 ＣＯＭＰＵＴＥＲ ＴＥＣＨＮＯＬＯＧＹ ＡＮＤ ＤＥＶＥＬＯＰＭＥＮＴ Ｊｕｌ． ２０２２

基于文本语义的热点事件网络暴力分析方法
刘玉文１ ，翟菊叶１ ，朱文婕１，２ ，谢 静１
（１．蚌埠医学院，安徽 蚌埠 ２３３０３０；
２．中国科学技术大学 计算机科学与技术学院，安徽 合肥 ２３００２７）

摘 要：网络暴力识别与多维度分析对网络舆情态势感知和管控具有十分重要的意义，当前的网络暴力研究主要集中在
用户负面情感分析、舆情危机治理及外部网络生态优化等方面，缺乏对网络暴力的定量分析研究，无法在复杂的网络环境
中及时感知网络暴力发展态势和组成结构。 通过分析网络暴力在文本中的存在形式和结构特征，提出了一种基于文本语
义的网络暴力分析方法（ ｔｅｘｔ ｓｅｍａｎｔｉｃ ｂａｓｅｄ ａｐｐｒｏａｃｈ ｆｏｒ ｃｙｂｅｒ ｖｉｏｌｅｎｃｅ ａｎａｌｙｓｉｓ，ＴＳＣＡ） 。 该方法首先运用互信息理论创建
暴力领域情感词典，根据暴力领域情感词典和语义环境从评论语料库中生成负面情感词组集；然后，通过卡方检验对负面
情感词组集进行暴力特征筛选，生词暴力词组集；最后，从文本和用户角度对网络暴力进行定量计算和多维度分析。 在真
实的网络热点事件评论文本数据集上与其他方法进行了对比，实验结果表明：该方法达到了良好的网络暴力特征识别
效果。
关键词：文本语义；网络暴力；互信息；情感词典；暴力计算
中图分类号：ＴＰ３９１．１ 文献标识码：Ａ 文章编号：１６７３－６２９Ｘ（２０２２）０７－０２０８－０８
ｄｏｉ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１６７３－６２９Ｘ．２０２２．０７．０３６

Ａ Ｔｅｘｔ Ｓｅｍａｎｔｉｃｓ Ｂａｓｅｄ Ａｐｐｒｏａｃｈ ｆｏｒ Ｃｙｂｅｒ Ｖｉｏｌｅｎｃｅ Ａｎａｌｙｓｉｓ ｏｎ

Ｈｏｔ Ｅｖｅｎｔ

ＬＩＵ Ｙｕ －ｗｅｎ １ ，ＺＨＡＩ Ｊｕ －ｙｅ １ ，ＺＨＵ Ｗｅｎ －ｊｉｅ １，２ ，ＸＩＥ Ｊｉｎｇ １
（１．Ｂｅｎｇｂｕ Ｍｅｄｉｃａｌ Ｃｏｌｌｅｇｅ，Ｂｅｎｇｂｕ ２３３０３０，Ｃｈｉｎａ；
２．Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｃｈｉｎａ，Ｈｅｆｅｉ ２３００２７，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｃｙｂｅｒ ｖｉｏｌｅｎｃｅ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ａｎｄ ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌ ａｎａｌｙｓｉｓ ａｒｅ ｏｆ ｇｒｅａｔ ｓｉｇｎｉｆｉｃａｎｃｅ ｔｏ ｔｈｅ ｓｉｔｕａｔｉｏｎ ａｗａｒｅｎｅｓｓ ａｎｄ ｃｏｎｔｒｏｌ ｏｆ
ｎｅｔｗｏｒｋ ｐｕｂｌｉｃ ｏｐｉｎｉｏｎ． Ｔｈｅ ｃｕｒｒｅｎｔ ｒｅｓｅａｒｃｈ ｏｎ ｃｙｂｅｒ ｖｉｏｌｅｎｃｅ ｍａｉｎｌｙ ｆｏｃｕｓｅｓ ｏｎ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｕｓｅｒｓ’ ｎｅｇａｔｉｖｅ ｅｍｏｔｉｏｎｓ，ｔｈｅ ｇｏｖｅｒｎ⁃
ａｎｃｅ ｏｆ ｐｕｂｌｉｃ ｏｐｉｎｉｏｎ ｃｒｉｓｉｓ ａｎｄ ｔｈｅ ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ ｅｘｔｅｒｎａｌ ｎｅｔｗｏｒｋ ｅｃｏｌｏｇｙ，ｗｈｉｃｈ ｉｓ ｕｎａｂｌｅ ｔｏ ｓｅｎｓｅ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｔｒｅｎｄ ａｎｄ ｃｏｍ⁃
ｐｏｓｉｔｉｏｎ ｓｔｒｕｃｔｕｒｅ ｏｆ ｃｙｂｅｒ ｖｉｏｌｅｎｃｅ ｉｎ ａ ｃｏｍｐｌｅｘ ｎｅｔｗｏｒｋ ｅｎｖｉｒｏｎｍｅｎｔ． Ｂｙ ａｎａｌｙｚｉｎｇ ｔｈｅ ｆｏｒｍ ａｎｄ ｓｔｒｕｃｔｕｒｅ ｏｆ ｃｙｂｅｒ ｖｉｏｌｅｎｃｅ ｉｎ ｔｅｘｔ，ａ
ｔｅｘｔ ｓｅｍａｎｔｉｃ ｂａｓｅｄ ａｐｐｒｏａｃｈ ｆｏｒ ｃｙｂｅｒ ｖｉｏｌｅｎｃｅ ａｎａｌｙｓｉｓ （ ＴＳＣＡ） ｉｓ ｐｒｏｐｏｓｅｄ． Ｆｉｒｓｔｌｙ，ａ ｖｉｏｌｅｎｃｅ ｄｏｍａｉｎ ｅｍｏｔｉｏｎ ｄｉｃｔｉｏｎａｒｙ ｉｓ ｃｒｅａｔｅｄ
ｂａｓｅｄ ｏｎ ｍｕｔｕａｌ ｉｎｆｏｒｍａｔｉｏｎ ｔｈｅｏｒｙ，ａｎｄ ａ ｎｅｇａｔｉｖｅ ｅｍｏｔｉｏｎ ｐｈｒａｓｅ ｓｅｔ ｉｓ ｇｅｎｅｒａｔｅｄ ｆｒｏｍ ｔｈｅ ｃｏｍｍｅｎｔ ｃｏｒｐｕｓ ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｖｉｏｌｅｎｃｅ
ｄｏｍａｉｎ ｅｍｏｔｉｏｎ ｄｉｃｔｉｏｎａｒｙ ａｎｄ ｓｅｍａｎｔｉｃ ｅｎｖｉｒｏｎｍｅｎｔ． Ｔｈｅｎ，ｔｈｒｏｕｇｈ χ ２ ｔｅｓｔ，ｔｈｅ ｖｉｏｌｅｎｃｅ ｆｅａｔｕｒｅｓ ｓｅｔ ｉｓ ｓｃｒｅｅｎｅｄ ｂａｓｅｄ ｏｎ ｔｈｅ ｎｅｇａｔｉｖｅ ｅ⁃
ｍｏｔｉｏｎ ｐｈｒａｓｅ ｓｅｔ． Ｆｉｎａｌｌｙ，ｑｕａｎｔｉｔａｔｉｖｅ ｃａｌｃｕｌａｔｉｏｎ ａｎｄ ｍｕｌｔｉ－ｄｉｍｅｎｓｉｏｎａｌ ａｎａｌｙｓｉｓ ａｒｅ ｃａｒｒｉｅｄ ｏｕｔ ｆｒｏｍ ｔｈｅ ｐｅｒｓｐｅｃｔｉｖｅ ｏｆ ｔｅｘｔ ａｎｄ ｕｓｅｒｓ．
Ｔｈｅ ＴＳＣＡ ａｐｐｒｏａｃｈ ｉｓ ｃｏｍｐａｒｅｄ ｗｉｔｈ ｏｔｈｅｒ ｍｅｔｈｏｄｓ ｏｎ ｔｈｅ ｒｅａｌ ｔｅｘｔ ｄａｔａ ｓｅｔ ｏｆ ｎｅｔｗｏｒｋ ｈｏｔ ｅｖｅｎｔ ｒｅｖｉｅｗｓ． Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ
ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ａｐｐｒｏａｃｈ ａｃｈｉｅｖｅｓ ａ ｂｅｔｔｅｒ ｐｅｒｆｏｒｍａｎｃｅ ｏｎ ｃｙｂｅｒ ｖｉｏｌｅｎｃｅ ｆｅａｔｕｒｅ ｒｅｃｏｇｎｉｔｉｏｎ．
Ｋｅｙ ｗｏｒｄｓ：ｔｅｘｔ ｓｅｍａｎｔｉｃｓ；ｃｙｂｅｒ ｖｉｏｌｅｎｃｅ；ｍｕｔｕａｌ ｉｎｆｏｒｍａｔｉｏｎ；ｅｍｏｔｉｏｎ ｄｉｃｔｉｏｎａｒｙ；ｖｉｏｌｅｎｃｅ ｃｏｍｐｕｔｉｎｇ

０ 引 言 分之一。 网络打破了时间限制，在给人们带来便利的
随着计算机与通讯技术的快速发展，网络朝着终 同时，也给网络暴力提供了滋生环境。 当前，社会热点
端移动化、平台多元化、带宽高速化的方向发展 ［１］
。 中 事件是诱发网络暴力的主要因素之一，是因为社会热
国互联网络信息中心（ ＣＮＮＩＣ） 发布的第 ４７ 次《 中国 点事件具有突发性和聚焦性，能在短时间内吸引网民
互联网络发 展 状 况 统 计 报 告》 显 示： 截 止 ２０２０ 年 １２ 聚集，其所产生的网络暴力威力大，不仅会对当事人的
月，中国网民数量为 ９．８９ 亿，已占全球网民总数的五 心理造成极大的影响，也会极大地破坏网络生态环境，

收稿日期：２０２１－０７－１９ 修回日期：２０２１－１１－２２
基金项目：安徽省哲学社会科学规划项目（ ＡＨＳＫＱ２０１９Ｄ０７０）
作者简介：刘玉文（１９８２－） ，男，副教授，研究方向为数据挖掘、网络舆情。
 第７期
给社会和谐发展带来严峻挑战。 所以，热点事件中网
络暴力分析对掌握网络暴力内部规律，寻找合适的网
络暴力治理策略具有十分重要的意义。
自社交网络诞生之日起，网络暴力就如影随形。
为了应对网络暴力带来的威胁与挑战，众多学者从社
交网络入手开展了大量的网络舆情治理相关研究，提
出了多种网络舆情处理框架，确立了网络话题识别
网络社区检测 ［３］
、意见领袖发现
［６］
情感计算 等相关核心技术，取得了一系列研究成果。
如 Ｃｈａｎｇ 等 ［７］ 提出了一种基于智能语义框架的网络话
题识别方法，该方法通过知识框架生成机制从文档中
提取规则模式，再通过句法结构和语义关联来有效检
［８］
测文档主题。 Ｘｉｎｇ 等
情检测指标体系进行研究，提出了基于信息熵的网络
舆情检 测 模 型， 实 现 了 舆 情 等 级 的 自 动 分 类。 Ｙａｎｇ
等 ［９］
对情绪因素影响下的突发事件网络舆情演化机
理进行研究，把包含情绪函数的 ＲＤＥＵ 理论引入突发
事件网络舆情演化博弈中，构建以网民和政府为代表
的动态博弈模型，最后通过假设收益数值实现情绪影
响下的演化仿真。
近些年，又有学者依托知识图谱提出了舆情危机
治理新思路，实现了舆情感知智能化。 如 Ｓｈｅｎ 等
提出了基于网络新闻语料的公共危机事件知识图谱构
建方法，该方法从新闻语料中抽取实体，构建公共危机
事件知识图谱模型。 实现了实体关系抽取、知识融合、
知识加工和知识推理等多项技术的整合。 Ｂａｏ 等
提出了非结构化语料知识图谱构建方法，该方法运用
词法分析和语义技术构建评论文本中实体与实体、实
体与属性关系，把非结构化数据映射成知识图谱，实现
了文本内容的逻辑表示，解决了网络舆情回溯和推理
问题。 梁野等 ［１２］ 提出了一种面向舆情分析与预警领
域的跨语言知识图谱架构，完成了涵盖多来源的面向
舆情分 析 与 预 警 领 域 的 跨 语 言 知 识 图 谱 构 建 平 台
ＣＬＯｐｉｎ，高效地实现了多源数据整合，解决了夸语言
舆情分析与预警问题。
从当前研究成果中可以发现，网络舆情治理主要
集中在负面舆论分析、舆情知识表示、舆论等级划分、
舆情预警等方面，缺少对网络暴力内部数据特征的研
究，无法深入了解网络暴力的内容组织关系。 针对以
上问题，在文本语义和情感词典技术的基础上，该文提
出了 一 种 基 于 文 本 语 义 的 网 络 暴 力 分 析 方 法
（ ＴＳＣＡ） 。 该方法从网络暴力数据特征入手，首先根
据语境创建网络暴力领域情感词典，实现文本实体情
感词汇的识别；然后根据文本分词的位置关系，运用语
义规则生成负面情感词组集，并用卡方检验对暴力特
征进行筛选；最后通过语义相似度对暴力特征进行计
刘玉文等：基于文本语义的热点事件网络暴力分析方法 · ２０９·
算，从暴力词和用户两个维度实现对网络暴力的多尺
度分析。
１ 相关技术
１．１ 卡方检验
从文本内容的组成结构角度，语义分析包括词语
［２］
、 级语义分析、句子级语义分析和文档级语义分析。 但
［４］
、用户肖像刻画 ［５］
、 不管从哪个层级进行语义分析，首要任务都是解决文
本特征的识别问题。 文本特征识别是自然语言处理的
核心技术，特征识别方法包括文档频率法 （ ｄｏｃｕｍｅｎｔ
ｆｒｅｑｕｅｎｃｙ，ＤＦ） 、信 息 增 益 法 （ ｉｎｆｏｒｍａｔｉｏｎ ｇａｉｎ， ＩＧ） 及
卡方检验法等。 其中，卡方检验法是最常用的文本特
对新媒体环境下负面网络舆 征选择方法。
卡方检验 ［１３］ 主要功能是统计样本的实际观测值
与理论推断值之间的相关程度，卡方值越大，则两者相
关的 可 能 性 就 越 大， c ２ 统 计 量 的 计 算 公 式 如 式 （ １）
所示。
χ ２（ Ｆｅａｔｕｒｅ ｉ ，Ｃ ｊ ） ＝
Ｍ × （ Ａ × Ｄ － Ｃ × Ｂ） ２
（１）
（ Ａ ＋ Ｃ） × （ Ｂ ＋ Ｄ） × （ Ａ ＋ Ｃ） × （ Ｂ ＋ Ｄ）
其中， Ｆｅａｔｕｒｅ ｉ 表示特征， Ｃ ｊ 表示特征所属类别； Ｍ 表
［１０］
示训练 集 中 文 本 总 数， Ａ 表 示 属 于 Ｃ ｊ 类 且 包 含
Ｆｅａｔｕｒｅ ｉ 的 文 本 频 数， Ｂ 表 示 不 属 于 Ｃ ｊ 类 但 包 含
Ｆｅａｔｕｒｅ ｉ 的文本 频 数， Ｃ 表 示 属 于 Ｃ ｊ 类 但 是 不 包 含
Ｆｅａｔｕｒｅ ｉ 的文本频数， Ｄ 表示既不属于 Ｃ ｊ 类也不包含
［１１］
Ｆｅａｔｕｒｅ ｉ 的文本频数。
１．２ 文本情感分析
１９９７ 年，ＭＩＴ 媒体实验室 Ｐｉｃａｒｄ 教授首次提出情
感计算（ ａｆｆｅｃｔｉｖｅ ｃｏｍｐｕｔｉｎｇ，ＡＣ） 概念 ［６］ ，目的是通过
外部表露出的信息来研究人的内在心理活动。 经过
２０ 多年的发展，情感分析延伸出了面部情感分析、姿
态情感分析、自然语言情感分析、多模态情感计算等多
个研究分支，该文研究的文本情感分析属于自然语言
情感分析范畴。
当前，网络成为了民众信息交互和观点表达的主
要平台，网络上存储了大量的文本数据，隐含着很多有
价值信息，对文本进行情感分析能够感知网络舆情态
势，了解民众需求，对促进社会管理水平的提高具有十
分重要的意义。 文本作为自然语言的一种存储形式，
最小的语义单位是词，词语级情感分析是最基础的文
本语义分析技术，同时也为句子级和文档级情感分析
提供了知识支撑。 词语级情感分析技术运用情感词典
来衡量测试词汇的情感值，并依据语义规则进行情感
计算，具体分析流程如图 １ 所示。
从图 １ 中可以看出，计算规则是情感计算的核心，
它的主要任务是依据情感词典对新词情感进行量化，
 · ２１０· 计算机技术与发展
量化方式包括互信息计算、相似度对比。
图１ 文本情感分析框架
２ 基于文本语义的网络暴力分析方法
（ ＴＳＣＡ）
从本质上说，文本暴力分析是情感分析的一个典
型应用。 由于热点事件的突发性和聚焦性，网民评论
紧紧围绕着热点事件展开，语言相似性大，领域特性
强，用经典的情感词典进行语义对比，情感计算结果准
确度不高。 另外，网络暴力是带有侮辱性的攻击语言，
负面情感色彩强烈，但负面情感不一定都是网络暴力，
如何从负面情感中筛选出暴力特征是网络暴力分析的
关键。 所以，在网络暴力分析流程中要解决两个核心
问题：（１） 暴力领域情感词典建立；（２） 基于负面情感
特征的网络暴力筛选。
２．１ 文本暴力语义规则
情感词典是一种按照文本内词汇之间的逻辑关系
搭建起来的知识库，它的建立需要遵循文本语义规则。
文本由句子组成，句子又由词组成。 词是文本的最小
语义单位，但是词在表达语义的时候，由于缺少前缀修
饰词，意义表达往往不明确。 如果单纯的从词的角度
去挖掘暴力信息，挖掘出的信息可能会不准确。 比如：
“ 人渣” 是个暴力词，但如果语境是“ 他不是人渣” ，在
“ 人渣” 的前面有个否定前缀，那整个语义就不具备暴
力，所以，在文本暴力挖掘时，往往词组才是具备有效
语义的基本单位。
从文学角度来说，词组可分成很多种类型，如：主
谓词组（ 大家帮助） ；动宾词组（ 发现问题） ；介宾词组
（把他打死） ；偏正词组（ 崇高的理想） ；否定词组（ 不喜
欢） 。 从这些词组的语义环境来看，能显著对情感进
行修饰或改变的只有偏正词组和否定词组。 进一步研
究发现，否定词和修饰词的位置在文本语义表示中非
常重要，比如，“ 不很美丽” 和“ 很不美丽” 两者意义截
然相反。 另外，正情感词和负情感词前面加否定词时，
语义翻转的程度也不同，如：正情感词“ 好人” 加否定
后得“ 不是好人” ，语义翻转到了好人的对立面，即“ 坏
人” ；而负情感词“ 坏人” 加否定前缀后的“ 不是坏人” ，
语义就不能翻转到“ 好人” ，从语境理解，“ 不是坏人”
只能表明“ 不坏” ，但不能表明是“ 好” 。 因此，该文对
第 ３２ 卷
具有否定的词组结构进行如下规定：
规则 １：否定前缀 ＋ 情感词。
如果正情感词前面有否定前缀，则否定权值为 １；
若负情感词前面有否定前缀，则否定权值为 ０．５。
规则 ２：否定前缀 ＋ 修饰词。
当情感词前面同时含有否定词和修饰词时，若否
定词在修饰词前，则否定权值为 ０．５；若在修饰词后，则
取值为 １。
２．２ 领域情感词典建立
评论文本是用户发表意见的载体，文本包含用户
的情感、态度、行为等特征，文本的情感计算可以转化
为对语义词组的情感计算 ［１４］ 。 由于在不同的语境下
词汇表达的含义可能会不一样，所以，首先需要依据语
义环境创建情感词典，然后，用测试文本的分词与情感
词典进行语义对比，得出测试分词的情感值。 情感词
典由 ３ 个数据表组成：情感词表 Ｗ ｃ 、程度副词表 Ｗ ｖ 和
否定词表 Ｗ ｎ 。 情感词表包含 ６ 个属性：前缀否定词
ＩＤ、前缀副词 ＩＤ、词项、性质（ 褒义或贬义） 、情感值、位
置；程度副词表包含 ３ 个属性：词项、强度值和位置；否
定词表也包括 ３ 个属性：词项、否定值（ 否定一般设置
为 － １） 和位置。
（１） 情感词表创建。
根据当前语料的语义环境，人工筛选出 Ｎ 个核心
情感种子词。 种子词筛选原则是情感意义非常明确，
具有代表性，情感极性最强。 首先运用情感种子词建
立原始情感词表，然后用循环的方法依次遍历文本分
词，当 ｉ ＝ １ 时，把文本 ｄ ｉ 中的新词 ｗ ｉ 与情感词表中的
所有词汇进行语义互信息计算，把互信息最高的词汇
情感值作为新词 ｗ ｉ 的情感值，并填充进情感词表。 依
次循环，使得每个文本上的分词都会被遍历一次。 以
下介绍情感词表的扩充方法。
设 ｗ ｎ 是 Ｄ 中的新词， ｗ ｉ 是情感词表 Ｗ ｃ 内的词项，
ｗ ｎ 的情感值可以通过与 ｗ ｉ 的点间互信息计算得到，计
算公式如式（２） 所示：
Ｐ（ ｗ ｎ ，ｗ ｉ ）
ＰＭＩ（ ｗ ｎ ，ｗ ｉ ） ＝ ｌｇ （２）
Ｐ（ ｗ ｎ ） × Ｐ（ ｗ ｉ ）
其中， Ｐ（ ｗ ｎ ，ｗ ｉ ） 表 示 ｗ ｎ 和 ｗ ｉ 在 Ｄ 中 共 现 的 概 率，
Ｐ（ ｗ ｎ ） 和 Ｐ（ ｗ ｉ ） 分别表示 ｗ ｎ 和 ｗ ｉ 单独出现的概率，
ＰＭＩ（ ｗ ｎ ，ｗ ｉ ） 的取值范围为［０，１］ 。 如果 ＰＭＩ（ ｗ ｎ ，ｗ ｉ ）
＞ δ （ δ 表示 ｗ ｎ 和 ｗ ｉ 的相似性阈值） ，则判定 ｗ ｎ 和 ｗ ｉ
的语义相同。 为了综合判断词汇 ｗ ｎ 的情感倾向，还需
要在情感词表 Ｗ ｃ 上对 ｗ ｎ 进行综合考察，设情感词表
Ｗ ｃ 正面情感词集合为 Ｗ ｃｐ ，负面情感词集合为 Ｗ ｃｎ ，词
汇 ｗ ｎ 的综合值计算公式如式（３） 所示：
∑ ＰＭＩ（ ｗ ，ｗ ）
ｗ ｐ∈Ｗ ｃｐ
ｎ ｐ ∑ ＰＭＩ（ ｗ ，ｗ ）
ｗ ｐ∈Ｗ ｃｎ
ｎ ｐ
Ｓ（ ｗ ｎ ） ＝ －
Ｗ ｃｐ Ｗ ｃｎ
（３）
 第７期 刘玉文等：基于文本语义的热点事件网络暴力分析方法 · ２１１·

从 公 式 （ ３） 可 以 看 出， Ｓ（ ｗ ｎ ） 的 取 值 范 围 也 是 情感的计算过程如下：首先，依次遍历文本内情感词，
［ － １，１］ ，绝对值越大， ｗ ｎ 的极性越强。 最后判断 ｗ ｎ 在 根据文本中第 ｎ 个分词 ｗ ｎ 所在的位置读取出前缀词，
Ｗ ｃ 内是否为新词，如果是新词，则把 ｗ ｎ 直接加入到 Ｗ ｃ 并与 ｗ ｎ 连接，组成语义词组 Ｗ ， Ｗ 的情感值计算如公
中，否则对原有词的情感值进行覆盖。 按照上述方法 式（５） 所示：
计算 Ｄ 中所有分词，完成对情感词表 Ｗ ｃ 的扩充。 对任 Ｓ（ Ｗ） ＝ Ｎ（ ｗ ｎ ） Ａｄｖ（ ｗ ｎ ） Ｓ（ ｗ ｎ ） Ｍ（ ｗ ｎ ） Ｑ（ ｗ ｎ ） （５）
意情感词 ｗ ｎ ，若 Ｓ（ ｗ ｎ ） ＞０，则 ｗ ｎ 具有正情感倾向；若 其中， Ｎ（ ｗ ｎ ） 表示 ｗ ｎ 的否定词向量权重； Ａｄｖ（ ｗ ｎ ） 表
Ｓ（ ｗ ｎ ） ＝ ０，则 ｗ ｎ 具有中性情感倾向；若 Ｓ（ ｗ ｎ ） ＜ ０，则 示 ｗ ｎ 修饰词向量权重，两个分量可继续分解为公式
ｗ ｎ 具有负情感倾向。 （６） 和公式（７） ：
（２） 程度副词表创建。 Ｎ（ ｗ ｎ ） ＝ （ － １） ｅ ， ｅ ≥０ （６）

∑ Ａｄｖ（ ｗ ）
Ｖ
程度副词表扩充与情感词表扩充的过程相似，不
Ａｄｖ（ ｗ ｎ ） ＝ ｉ
ｎ （７）
同之处是程度副词的修饰程度取值范围为［ ０，１］ 。 为 ｉ＝１

在公式（５） ～ （７） 中， ｅ 表示否定词出现的次数， Ｖ

了提高程度副词的扩充精度，根据 ６ 级划分理论，按梯
表示程度副词出现的数量。 Ｍ（ ｗ ｎ ） 表示否定词的位
度下降公式对每个级别赋予不同的权值，具体创建方
置，初始值为 １； Ｑ（ ｗ ｎ ） 表示情感翻转系数，初始值为
式如下：
１。 根据该文定义的语义规则：①若否定词在修饰词
设 ｗ ｉ 是程度副词， Ｗ ｖ 为程度副词表，为了度量 ｗ ｉ
前，则 Ｍ（ ｗ ｎ ） 取值为 ０．５；若在修饰词后，则取值为 １；
的修饰程度，需要在 Ｗ ｖ 上对 ｗ ｉ 进行综合计算，如公式
②当 Ｓ（ ｗ ｎ ） ＞０ 时，若 ｗ ｎ 有否定前缀，则 Ｑ（ ｗ ｎ ） 取值为
（４） 所示：
１；若 Ｓ（ ｗ ｎ ） ＜０ 时，则 Ｑ（ ｗ ｎ ） 取值为 ０．５。 由公式可以
∑ ｋ × ＰＭＩ（ ｗ ，ｗ ）
ｗ ｖ∈Ｗ ｖ
ｉ ｖ
计算出词组 Ｗ 的情感值。 如果 Ｓ（ ｗ） 的值小于 ０，则 Ｗ
Ａｄｖ（ ｗ ｎ ） ＝ （４）
Ｗｖ 为负情感词组。
其中， ｋ 表示 ｗ ｖ 的权值。 根据公式（４） 的计算结果，首 ２．４ 网络暴力计算
先判断 ｗ ｉ 在 Ｗ ｖ 内是否为新词，如果是新词，则把 ｗ ｉ 直 （１） 网络暴力词组筛选。
接加入到 Ｗ ｖ 中；如果不是新词，则对原有词的修饰强 网络暴力作为一种攻击性语言，具有很强的负情
度进行覆盖。 遍历分词预料库中所有副词完成副词表 感，但负情感特征词不一定都是暴力语言。 暴力是负
Ｗ ｖ 的扩充。 情感的充分条件，负情感是暴力的必要条件。 所以网
（３） 否定词表创建。 络暴力特征需要从负面情感特征中进一步筛选。 c ２ 检
否定词能让情感词的极性发生翻转，如果情感词 验是常用的文本特征筛选方法，运用c ２ 检验的网络暴
前有否定词，在情感计算时，根据否定词出现的次数 力筛选过程如下：
ｅ ，用（ － １） 乘以情感强度。 由于否定词意义明确，其
ｅ
第①步：从负情感词组集中，用人工的方法标注出
意义表 达 不 依 赖 于 语 义 环 境， 通 常 情 况 下 以 “ 不” 、 负面情感最强烈的 ２０ 个暴力词组作为种子存放在词
“ 没” 、“ 未” 等 字 组 成，在 ＨｏｗＮｅｔ 词 典 中 收 录 非 常 完 向量 Ｃ 中，并设定c２ 检验阈值 ξ ＝ ０．９０；
善，所以，该文借鉴 ＨｏｗＮｅｔ 中的否定词表，以此填充到 第②步：利用卡方检验对负情感词组进行特征计
创建的领域词典内。 算，按从大到小顺序， 选择c ２（ Ｗ ｉ ， Ｃ） ≥ ξ 的特征词
２．３ 负面情感计算 组，添加到 Ｃ 中；
负面情感词组检测。 第③步： 增加阈值 ξ，使得 ξ ＝ ξ ＋ ０．０１， 返回到第
网络暴力本质是极端恶劣的负面情感，所以文本 ②步，直到选不出暴力特征词组为止。
暴力分析是情感计算技术的一种具体应用，目标是从 通过暴力特征词的筛选能把不具备暴力的负面情
负面情感特征中识别出暴力特征，并对暴力特征进行 感词组过滤掉，大大提高了网络暴力识别精度。 从情
计算。 文本是词汇的集合，文本的情感隐含在情感词 感计算角度看，网络暴力是负值，取值范围是［ － １，０） 。
中，文本情感通过计算文本词汇的综合情感值来实现。 为了直观地对网络暴力进行描述，文本对包含网络暴
为了更清楚地表述词汇语义，特做如下定义： 力的负面情感进行翻转计算，把网络暴力取值范围映
定义 １：语义词组。 设五元组 Ｗ ＝ ＜ ｗ ， Ｎ ，Ａｄｖ， 射到区间（ ０，１］ 内，转换后的暴力词组计算公式如式
Ｍ ， Ｑ ＞是个语义词组， ｗ 代表情感词， Ｎ 代表 ｗ 的否 （８） 所示：
定前缀，Ａｄｖ 代表 ｗ 的修饰前缀， Ｍ 代表否定词位置， Ｃｙｂｅｒ（ Ｗ） ＝－
Ｑ 代表 ｗ 的极性。 Ｎ（ ｗ ｎ ） Ａｄｖ（ ｗ ｎ ） Ｓ（ ｗ ｎ ） Ｍ（ ｗ ｎ ） Ｑ（ ｗ ｎ ） （８）
语义词组 Ｗ 能够明确描述情感词的语义环境，其 定义 ２：暴力密度。 设词组集 ＷＳ ＝ ｛ Ｗ １ ，Ｗ ２ ，…，
· ２１２· 计算机技术与发展 第 ３２ 卷

ＷＫ ｝ ，暴 力 语 义 词 组 集 ＷＣ ＝ ｛ Ｗ ｃ１ ，Ｗ ｃ２ ，…，Ｗ ｃＫ ｝ ， 且 Ｃｙｂｅｒ ｍｉｎ（ ｕ ｉ ） 表示用户暴力的最小值。

ＷＣ⊆ ＷＳ，则 ＷＳ 的暴力密度计算公式如式（９） 所示：
∑ Ｃｙｂｅｒ（ Ｗ ） ｉ
３ 实验分析
３．１
Ｗ ｉ∈ＷＣ
Ｄｉｅｎｓｉｔｙ（ Ｗ） ＝ （９） 数据来源及预处理
ＷＳ
以“ 合肥母子三人跳楼事件” 为例，使用八爪鱼数
（２） 文本暴力计算。
据采集器获取了腾讯新闻中该主题下的评论信息：用
文本 是 单 词 的 有 序 集 合， 即： ｄ ｉ ＝ ｛ ｗ １ ，ｗ ２ ，…，
户节点 １ ０５２ 个，评论文本 ３ １２８ 条。 首先抽取用户之
ｗ Ｎ ｝ 。 但从词组的角度看，文本又可表示成多个语义
间的“ 回复、点赞” 关系，建立用户关系库 Ｕ ，然后使用
词组的顺序排列，即： ｄ ｉ ＝ ｛ Ｗ １ ，Ｗ ２ ，…，Ｗ Ｋ ｝ ，且｛ Ｗ １ ∪
ＩＣＴＣＬＡＳ 分词软件对评论文本进行分词，去除停用词、
Ｗ ２ ∪ … ∪ Ｗ Ｋ ｝ ＝ ｛ ｗ １ ，ｗ ２ ，…，ｗ Ｎ ｝ 。 所以，基于词组
介词、 语 气 词、 转 折 词 等 无 用 词 后， 建 立 文 本 语 料 矩
的文本暴力计算公式如式（１０） 所示：
阵Ｇ。
∑ Ｃｙｂｅｒ（ Ｗ ） ，Ｗ
Ｋ

Ｃｙｂｅｒ（ ｄ ｉ ） ＝ ｋ ｋ ∈Ｃ （１０） Ｕ 的大小为 ｜ Ｕ ｜ × ４，其中，第 ｉ 行存放第 ｉ 个用户

ｋ＝１

其中， Ｃ 表示暴力词组向量。 然后对所有文本的暴力 ｕ ｉ 的相关信息，存放顺序是：第 １ 列存放 ｕ ｉ 的序号，第

值进行归一化处理，计算公式如式（１１） 所示： ２ 列存放 ｕ ｉ 的 ＩＤ，第 ３ 列存放 ｕ ｉ 回复的用户 ＩＤ 串，第

Ｃｙｂｅｒ（ ｄ ｉ ） － Ｃｙｂｅｒ ｍｉｎ（ ｄ ｉ ） ４ 列存放 ｕ ｉ 点赞的用户 ＩＤ 串。 Ｇ 的大小为 ｜ Ｇ ｜ × ［２ ＋

Ｃｙｂｅｒ（ ｄ ∗
ｉ ）
＝ （１１） Ｎ ＋ ３］ ，其中，第 ｉ 行存放第 ｉ 条评论文本 ｄ ｉ 的相关信
Ｃｙｂｅｒ ｍａｘ（ ｄ ｉ ） － Ｃｙｂｅｒ ｍｉｎ（ ｄ ｉ ）
其 中， Ｃｙｂｅｒ ｍａｘ（ ｄ ｉ ） 表 示 文 本 暴 力 的 最 大 值， 息，存放顺序是：第 １ 列存放 ｄ ｉ 的序号；第 ２ 列存放发

Ｃｙｂｅｒ ｍｉｎ（ ｄ ｉ ） 表示文本暴力的最小值。 表 ｄ ｉ 的用户 ＩＤ，后 Ｎ 列存放 ｄ ｉ 的分词结果。 初始语料

（３） 用户暴力计算。 矩阵准备完毕之后，运用该文提出的方法对语料信息

用户暴力是用户所发表评论文本的暴力之和，所 进行处理分析。

以，对于用户 ｕ ｉ ，其暴力计算公式如式（１２） 所示： ３．２ 实验结果分析

Ｄｉ （１） 暴力词语义分析。
Ｃｙｂｅｒ（ ｕ ｉ ） ＝ ∑ Ｃｙｂｅｒ（ ｄ ）
ｎ＝１
ｎ （１２） 在语料矩 阵 Ｇ 的 基 础 上，按 照 文 本 暴 力 分 析 路
其中， Ｄ ｉ 表示用户 ｕ ｉ 发表的评论文本数量。 对用 线，首先创建领域情感词典 Ｓ ，生成负面情感词组集
户暴力进行归一化处理，计算公式如式（１３） 所示： Ｎ ，再通过卡方检验筛选出暴力词组集 Ｃ 。 组成暴力
Ｃｙｂｅｒ（ ｕ ｉ ） － Ｃｙｂｅｒ ｍｉｎ（ ｕ ｉ ） 词组集的高频基础情感词及情感值计算 结 果 如 表 １
Ｃｙｂｅｒ（ ｕ ∗
ｉ ）
＝ （１３）
Ｃｙｂｅｒ ｍａｘ（ ｕ ｉ ） － Ｃｙｂｅｒ ｍｉｎ（ ｕ ｉ ） 所示。
其 中， Ｃｙｂｅｒ ｍａｘ（ ｕ ｉ ） 表 示 用 户 暴 力 的 最 大 值，
表１ 事件评论网络暴力高频词列表（ Ｔｏｐ ４５）
序号 词项 词频 情感值 序号 词项 词频 情感值 序号 词项 词频 情感值
１ 男人 １１２ －０．４６ １６ 恶心 ２７ －０．７５ ３１ 温暖 １５ ０．４６
２ 责任 １０２ ０．６１ １７ 死 ２７ －０．７９ ３２ 鸟人 １５ －０．７９
３ 自私 ９８ －０．７３ １８ 本事 ２３ ０．５９ ３３ 赚钱 １４ ０．６１
４ 冷血 ９２ －０．７３ １９ 恐怖 ２３ －０．６２ ３４ 魔窟 １４ －０．６８
５ 残忍 ８８ －０．９１ ２０ 没用 ２３ －０．７１ ３５ 珍惜 １４ ０．４９
６ 可怕 ８７ －０．３９ ２１ 孤独 ２１ －０．２１ ３６ 谴责 １４ －０．４３
７ 渣男 ７６ －０．７８ ２２ 人品 ２１ ０．２５ ３７ 了断 １３ －０．８３
８ 冷漠 ７３ －０．８３ ２３ 陪葬 ２１ －０．８８ ３８ 活刮 １２ －０．９２
９ 懦弱 ５１ －０．４１ ２４ 悲哀 ２１ －０．３５ ３９ 反省 １２ －０．３１
１０ 可恨 ４３ －０．６９ ２５ 嫌弃 ２１ －０．４３ ４０ 葬送 １２ －０．４３
１１ 不配 ３７ －０．６３ ２６ 逼迫 ２０ －０．５２ ４１ 地狱 １２ －０．８３
１２ 无耻 ３８ －０．８５ ２７ 报应 ２０ －０．６０ ４２ 永不超生 １０ －０．８３
１３ 愤怒 ３７ －０．５７ ２８ 东西 １９ －０．９０ ４３ 老不死 １０ －０．９２
１４ 靠谱 ３１ ０．８０ ２９ 畜生 １８ －０．８３ ４４ 丢脸 １０ －０．３６
１５ 嫁错 ２９ －０．３８ ３０ 刽子手 １７ －０．７６ ４５ 枪毙 １０ －０．９１

（２） 暴力多尺度分析。 暴力特征词进行多维尺度统计分析。 根据暴力特征词

为了反映暴力特征词之间意义分布形态，对 ４５ 个 两两之间共现频数，得到大小为 ４５ × ４５ 的暴力特征词
 第７期 刘玉文等：基于文本语义的热点事件网络暴力分析方法 · ２１３·

共现矩阵。 由于频次的范围变化大，数据分析不方便， Ｐ（ Ａ，Ｂ）

Ｏｃｈｉｉａ ＝ （１４）
为了消除词频计数对分析的影响，用 Ｏｃｈｉｉａ 系数将共 Ｐ（ Ａ） × Ｐ（ Ｂ）
词矩阵转换为相关矩阵，并对共现频次进行归一化处 为了便于理解，用“１” 与矩阵相减，得到表示两词
理，再根据词与词之间的共现关系，建立两词之间的相 建相异程度的相异矩阵，转换结果如表 ２ 所示。
异矩阵，计算公式如式（１４） 所示：
表２ Ｏｃｈｉｉａ 相异矩阵
男人 责任 自私 冷血 残忍 可怕 渣男 冷漠 懦弱 可恨 不配 无耻 愤怒 靠谱 嫁错

男人 ０．００００ ０．９１５７ ０．９０３９ ０．９１２９ ０．９０８６ ０．９０７９ ０．９４３５ ０．９７５６ ０．９２３１ ０．９８４７ ０．９０９５ ０．９４７９ ０．９６２１ ０．９２４６ ０．９０８５

责任 ０．９０８６ ０．００００ ０．９８２１ ０．９９５３ ０．９６２７ ０．９８４５ ０．９１３２ ０．９８６７ ０．９３６５ ０．９０８４ ０．９７５７ ０．９３１５ ０．９０４３ ０．９９６４ ０．９３５２

自私 ０．９７６４ ０．９５３７ ０．００００ ０．９６４７ ０．９４６ ０．９０３１ ０．９８４５ ０．９２７９ ０．９７５４ ０．９４５３ ０．９２５３ ０．９１５４ ０．９１７４ ０．９６３２ ０．９２５８

冷血 ０．９５３２ ０．９１６３ ０．９３２５ ０．００００ ０．９７３１ ０．９４２７ ０．９３２５ ０．９０７５ ０．９４７３ ０．９１３７ ０．９１８６ ０．９０６８ ０．９２８５ ０．９３６４ ０．９７３５

残忍 ０．９０８６ ０．９０７３ ０．９８４５ ０．９３２６ ０．００００ ０．９０７５ ０．９５３７ ０．９１４８ ０．９３６５ ０．９２４３ ０．９２５６ ０．９２５４ ０．９１９４ ０．９２４３ ０．９７８３

可怕 ０．９３７８ ０．９４８１ ０．９０５２ ０．９０８６ ０．９６４８ ０．００００ ０．９９４６ ０．９３６４ ０．９７８７ ０．９２４８ ０．９３９８ ０．９３７５ ０．９０２５ ０．９０８９ ０．９６３５

渣男 ０．９７６８ ０．９３６１ ０．９２３７ ０．９４５２ ０．９０６３ ０．９３５２ ０．００００ ０．９６８３ ０．９８７５ ０．９４６３ ０．９２３２ ０．９３６８ ０．９１４３ ０．９３２６ ０．９２４３

冷漠 ０．９３２６ ０．９７４８ ０．９６３７ ０．９７６４ ０．９３７４ ０．９０８６ ０．９７５３ ０．００００ ０．９６５４ ０．９５４５ ０．９３６５ ０．９６４７ ０．９０７６ ０．９６４７ ０．９６７３

懦弱 ０．９３５２ ０．９６３８ ０．９９５３ ０．９２３５ ０．９９５３ ０．９７９３ ０．９５３６ ０．９５７４ ０．００００ ０．９６２３ ０．９２４５ ０．９３５７ ０．９２６５ ０．９２５１ ０．９８４６

可恨 ０．９１７８ ０．９０７３ ０．９０５７ ０．９０９５ ０．９２３５ ０．９２４１ ０．９２３５ ０．９８３４ ０．９６４２ ０．００００ ０．９２８７ ０．９３５６ ０．９６４７ ０．９３５４ ０．９２７４

不配 ０．９０４６ ０．９６２８ ０．９８３６ ０．９１０５ ０．９９６８ ０．９０８５ ０．９５２４ ０．９６４３ ０．９８７４ ０．９１２５ ０．００００ ０．９４７４ ０．９３６６ ０．９０３４ ０．９７３５

无耻 ０．９８３４ ０．９５３２ ０．９０５３ ０．９５７６ ０．９６４２ ０．９７３４ ０．９３４２ ０．９６３１ ０．９３５２ ０．９０５６ ０．９４７７ ０．００００ ０．９４８３ ０．９０２１ ０．９２４３

愤怒 ０．９５２３ ０．９２３８ ０．９４２６ ０．９９４７ ０．９６５８ ０．９２１３ ０．９１７６ ０．９４３２ ０．９５４３ ０．９０７４ ０．９０６５ ０．９２８６ ０．００００ ０．９２４１ ０．９３６２

靠谱 ０．９７４９ ０．９０６８ ０．９３２７ ０．９０４２ ０．９０８４ ０．９７５３ ０．９１８６ ０．９３３２ ０．９４５３ ０．９１４３ ０．９２６４ ０．９０５６ ０．９２７４ ０．００００ ０．９２８２

嫁错 ０．９２４１ ０．９８４６ ０．９７４０ ０．９５４２ ０．９７０５ ０．９８９５ ０．９３９７ ０．９７５８ ０．９２３１ ０．９５６２ ０．９１８７ ０．９０２４ ０．９０８６ ０．９４６２ ０．００００

把相异矩阵数据输入到 ＳＰＳＳ 软件中，选择二维分 个群组，每个群组代表一个被网络暴力攻击的实体对

析组图输出方式，对其进行 Ｅｕｃｌｉｄｅａｎ 距离分析，分析 象，分别为：跳楼女子 （ 以下简称 “ 女方” ） 、女子丈夫
结果如图 ２ 所示。 图中点与点之间的距离表示词汇所 （ 以下简称“ 男方” ） 、女子所处的家庭环境（ 以下简称
属内容主题的相关程度，距离越小表明主题语义相似 “ 家庭” ） 。 按照分组结果，对语料中每个群组词及群
度越大，主题内容越集中；反之，距离越远表明表达内 组内暴力词进行统计，结果如图 ３ 所示。
容越独立。

图３ 各群组暴力词占比
从图 ３ 可以看出，在所有语料词组中，女方群组词
图２ 暴力词汇多尺度分析结果 数量的占比为 ３８．２％，家庭群组词占比为 ２９．７％，丈夫
从图 ２ 显示的分析结果来看，词汇之间既有渗透 群组词占比为 ３２．１％。 网民针对女方发表的网络评论
交叉，又有群组分布的独立性，说明词汇语义反映出了 最多，也从侧面反映出了女方在事件中的主体地位。
明显的主题差异性。 从词汇表达的内容角度出发，人 但从暴力词汇在群组内的占比来看，针对丈夫的暴力
工对词汇进行主题分组，根据划分边界大致可分成三 词占比最高，达到 ９８．６％，其次针对家庭的暴力词占比
· ２１４· 计算机技术与发展 第 ３２ 卷

为 ９６．３％，说明网友的暴力攻击点主要集中在男方和 说明事件中女子的丈夫是被网民攻击的主要对象。 从
家庭，而针对女子的暴力词占比也有 ４９．６％，说明了虽 评论文本中可以看出，网民一致认为他是促使妻子跳
然在整个事件中女方是受害者，但女方绑架子女生命 楼的最直接元凶，评论用词激烈极端，遭受的网络暴力
的赴死方式也遭到了众多网友的鄙视。 最强。
为了度量不同群组遭受的暴力，运用公式（ ９） 对 ②对家庭的暴力攻击分析：从暴力词占比以及暴
每个群组的暴力密度进行计算，了解不同对象遭受暴 力密度对比结果来看，网民另一个攻击对象是女子所
力的强度，三个群组的暴力密度计算结果如图 ４ 所示。 处的家庭环境。 通过对原始语料分析可知，女子独自
带孩子，孩子身体不好，丈夫不仅不给生活费，还遭受
公婆嫌弃，引起了网民的极大愤恨和道德谴责。
1.00
0.85 ③对女方的暴力攻击：虽然女方是受害方，本应该
0.76 受到网民同情，但她以极端的方式剥夺了孩子的生命，
0.75
从性质上来说，她也是杀人犯，展现出了她可怕、冷血
的一面；另外也突出了她自私，懦弱的性格特征。 网民
0.50
在同情女 子 遭 受 不 幸 的 过 程 中， 同 样 也 对 她 进 行 了
0.34
指责。
0.25 （３） 暴力用户分析。
用户是网络暴力的发起者，对用户暴力进行分析
0 有助于掌握网络暴力实施的人群分布。 具体分析过程
是：首先遍历语料数据库 Ｇ ，以用户为单位检索出用
图４ 三个群组网络暴力密度对比 户发表的评论文本分词，并与暴力词组集 Ｃ 对照匹配，
通过群组词汇量整体占比、暴力词在群组内占比 找出用户的暴力词组；再根据公式（１０） 和（１１） 计算用
以及群组词汇的暴力密度等信息，可以对不同对象所 户文本的暴力值，然后再用公式（１２） 和（１３） 计算出用
遭受的网络暴力做如下分析。 户的暴力值；最后把用户暴力词组分别与三个群组暴
①对男方的暴力攻击分析：通过图 ３ 和图 ４ 可知， 力词组进行相似度对比，识别出用户暴力攻击的目标，
攻击男方的暴力特征词占比最大， 暴力密度也最高。 计算结果如表 ３ 所示。
表３ 暴力用户信息表（ 暴力值 Ｔｏｐ ４０）

序号 ＩＤ 暴力语义词组 暴力值 攻击目标 序号 ＩＤ 暴力语义词组 暴力值 攻击目标

１ Ｕ １２８ 冷血、永不超生、自私、（ 不） 靠谱 ０．９４ 男方 ／ 女方 ２１ Ｕ ６９ 嫁错、冷漠、（ 非常） 可恨、寒心 ０．８０ 男方 ／ 家庭

２ Ｕ ５６３ （ 不是） 东西、渣男、畜生 ０．９２ 男方 ２２ Ｕ ２６７ （ 没） 资格、自私、剥夺 ０．８０ 女方

３ Ｕ １５ 报应、去死、（ 没） 责任 ０．９２ 男方 ２３ Ｕ ７２８ （ 太） 自私、（ 真） 狠心、（ 不能） 理解 ０．７９ 女方

４ Ｕ ２６８ 刽子手、千刀万剐、可恨 ０．９２ 男方 ２４ Ｕ ３４２ 无耻、（ 没） 责任心、孤独 ０．７９ 男方

５ Ｕ ３６９ 万劫不复、畜生、（ 不是） 男人 ０．９２ 男方 ２５ Ｕ ９４４ 无能、恐怖、下手 ０．７９ 女方

６ Ｕ １５７ 渣男、（ 很） 无情无义、（ 不） 靠谱 ０．９１ 男方 ２６ Ｕ ８０６ 死男人、可恨、反省 ０．７８ 男方

７ Ｕ ９７１ （ 太） 可恨、天打雷劈、死 ０．９１ 男方 ２７ Ｕ ７３５ 无权、自私 ０．７８ 女方

８ Ｕ ８３１ 老东西、（ 不是） 好鸟 ０．９１ 家庭 ２８ Ｕ ３２７ 陪葬、男人、（ 没有） 依靠 ０．７８ 男方 ／ 家庭

９ Ｕ ２０６ 鸟人、恶心、自行了断 ０．９０ 男方 ２９ Ｕ ４３４ 无权、残忍、剥夺 ０．７８ 女方

１０ Ｕ ７６３ 渣男、（ 没） 责任、（ 不是） 男人 ０．８９ 男方 ３０ Ｕ ２６１ （ 太） 冷漠、（ 非常） 可怕 ０．７７ 女方

１１ Ｕ ３０９ 魔窟、（ 没） 人情味、（ 不） 疼爱 ０．８８ 男方 ／ 家庭 ３１ Ｕ ７９４ （ 非常） 可悲、葬送 ０．７７ 男方

１２ Ｕ ５７２ （ 不） 珍惜、（ 不是） 男人、人品差 ０．８６ 男方 ３２ Ｕ １８５ 悲哀、（ 不） 靠谱、丢脸 ０．７７ 男方

１３ Ｕ ７２８ 地狱、枪毙、没用 ０．８３ 男方 ／ 女方 ３３ Ｕ ６７３ 冷漠、无情、（ 不） 和谐 ０．７７ 家庭

１４ Ｕ １５５ （ 不是） 东西、男人、去死 ０．８５ 男方 ３４ Ｕ ３３８ （ 太） 残忍、掠夺 ０．７６ 女方

１５ Ｕ ４９０ 嫁错、老不死、（ 没有） 温暖 ０．８５ 家庭 ３５ Ｕ ５０１ （ 不） 可靠、（ 没） 责任 ０．７６ 男方

１６ Ｕ １００２ 无耻、人品（ 差） 、丢脸 ０．８３ 男方 ３６ Ｕ ６５ 不配、自私、恐怖 ０．７６ 女方

１７ Ｕ ８７６ （ 不是） 东西、枉为人父、 ０．８２ 男方 ３７ Ｕ８ （ 不） 体贴、什么人 ０．７６ 男方

１８ Ｕ ６１８ 老不死、（ 没有） 温暖、冷血 ０．８２ 家庭 ３８ Ｕ ９７２ 刻薄、（ 没） 温暖 ０．７６ 家庭

１９ Ｕ ３９４ 可怕、恐怖 ０．８０ 女方 ３９ Ｕ ４１３ （ 无法） 想象、（ 多么） 恐怖 ０．７５ 女方

２０ Ｕ ７５８ 鄙视、啥意义、可悲 ０．８０ 男方 ４０ Ｕ ６７２ （ 不） 和谐、压抑 ０．７５ 家庭

 第７期 刘玉文等：基于文本语义的热点事件网络暴力分析方法 · ２１５·

３．３ 性能评价 ｃａｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ Ｒｅｓｅａｒｃｈ，２００３，３：９９３

暴力特征词组的筛选是该文的核心，为了验证该 －１０２２．
［３］ ＧＵＥＮＤＯＵＺ Ｍ，ＡＭＩＮＥ Ａ，ＨＡＭＯＵ Ｒ Ｍ．Ａ ｄｉｓｃｒｅｔｅ ｍｏｄｉｆｉｅｄ
方法的暴力特征识别效果，对实验语料中的负面情感
ｆｉｒｅｗｏｒｋｓ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｃｏｍｍｕｎｉｔｙ ｄｅｔｅｃｔｉｏｎ ｉｎ ｃｏｍｐｌｅｘ ｎｅｔ⁃
词组和暴力特征词组进行人工标注，并把原始语料库
ｗｏｒｋｓ［ Ｊ］ ．Ａｐｐｌｉｅｄ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０１７，４６（２） ：３７３－３８５．
分成 ５ 个数据集，分别用 ＴＳＣＡ 和 ＦＷＣＣ ［１５］ 方法对数
［４］ 张 米，张 晖，杨春明，等． 基于多特征信息传播模型的
据集的暴力特征进行提取。 为了提高人工标注的可信
微博意见领袖挖掘［ Ｊ］ ．中文信息学报，２０１８，３２（ ２） ：１２９－
度和准确性，采用三组标注法，以高分表决的方式标注 １３８．
语料中的暴力特征词组，两种方法的评价对比结果如 ［５］ ＲＵＡＮ Ｑ，ＷＵ Ｑ，ＷＡＮＧ Ｙ，ｅｔ ａｌ． Ｅｆｆｅｃｔｉｖｅ ｌｅａｒｎｉｎｇ ｍｏｄｅｌ ｏｆ
表 ４ 所示。 ｕｓｅｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｂａｓｅｄ ｏｎ ｅｎｓｅｍｂｌｅ ｌｅａｒｎｉｎｇ ａｌｇｏｒｉｔｈｍｓ［ Ｊ］．
表４ 暴力特征识别性能对比 ％ Ｃｏｍｐｕｔｉｎｇ，２０１８，１０１（６）：５３１－５４５．
［６］ ＧＲＡＴＣＨ Ｊ． Ｅｄｉｔｏｒｉａｌ ［ Ｊ］ ． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ａｆｆｅｃｔｉｖｅ
ＴＳＣＡ ＦＷＣＣ
数据集 Ｃｏｍｐｕｔｉｎｇ，２０１０，１（１） ：１－１０．
准确率 召回率 Ｆ值 准确率 召回率 Ｆ值
［７］ ＣＨＡＮＧ Ｙ Ｃ，ＨＳＩＥＨ Ｙ Ｌ，ＣＨＥＮ Ｃ Ｃ，ｅｔ ａｌ．Ａ ｓｅｍａｎｔｉｃ ｆｒａｍｅ－
Ｄ１ ８６．４９ ９０．７６ ８８．５７ ８５．７１ ８６．８５ ８６．２８
ｂａｓｅｄ ｉｎｔｅｌｌｉｇｅｎｔ ａｇｅｎｔ ｆｏｒ ｔｏｐｉｃ ｄｅｔｅｃｔｉｏｎ［ Ｊ］ ．Ｓｏｆｔ Ｃｏｍｐｕｔｉｎｇ，
Ｄ２ ８９．２０ ８８．９５ ８９．０７ ８７．２９ ８４．３１ ８５．７７ ２０１７，２１（２） ：３９１－４０１．
Ｄ３ ８５．６１ ８６．４４ ８６．０２ ８９．３７ ８５．７０ ８７．５０ ［８］ ＸＩＮＧ Ｙｕｎｆｅｉ，ＷＡＮＧ Ｘｉｗｅｉ，ＷＡＮＧ Ｄｕｏ，ｅｔ ａｌ． Ｒｅｓｅａｒｃｈ ｏｎ
Ｄ４ ９０．０７ ８７．６２ ８８．８３ ８４．９４ ８６．７８ ８５．８５ ｔｈｅ ｎｅｇａｔｉｖｅ ｎｅｔｗｏｒｋ ｐｕｂｌｉｃ ｏｐｉｎｉｏｎ ｍｏｎｉｔｏｒｉｎｇ ｉｎｄｅｘ ｓｙｓｔｅｍ

Ｄ５ ９１．７５ ９０．１３ ９０．９３
从表 ４ 可以看出，在五组语料数据集上，ＴＳＣＡ 方
法的暴力特征词组识别性能（ Ｆ 值） 高于 ＦＷＣＣ 方法，
说明 ＴＳＣＡ 方 法 达 到 了 良 好 的 文 本 暴 力 特 征 识 别
效果。
４ 结束语
运用信息熵理论建立了网络暴力领域情感词典，
并以领域情感词典为基础，结合词法分析技术建立了
基于文本语义的网络暴力分析方法。 该方法能从暴力
词和用户两个维度度量热点话题下的网络暴力信息，
拓展了网络暴力识别与分析方法。 经过实验，该方法
在多维网络暴力分析方面达到了良好的效果。 由于该
方法中暴力阈值的设定是人工实现的，存在一定的局
限性。 如何实现阈值的自动划分是未来需要进一步研
８６．０８ ８７．１２ ８６．６０ ｂａｓｅｄ ｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｅｎｔｒｏｐｙ ｉｎ ｎｅｗ ｍｅｄｉａ ｅｎｖｉｒｏｎｍｅｎｔ［ Ｊ］．
Ｊｏｕｒｎａｌ ｏｆ Ｍｏｄｅｒｎ Ｉｎｆｏｒｍａｔｉｏｎ，２０１８，３８（９） ：４１－４７．
［９］ ＹＡＮＧ Ｙａｎｇ，ＷＡＮＧ Ｊｉｅ． Ｔｈｅ ｅｖｏｌｕｔｉｏｎ ｏｆ ｅｍｅｒｇｅｎｃｙ ｎｅｔｗｏｒｋ
ｐｕｂｌｉｃ ｏｐｉｎｉｏｎ ｉｎｆｌｕｅｎｃｅｄ ｂｙ ｍｏｔｉｏｎａｌ ｆａｃｔｏｒｓ［ Ｊ］ ． Ｉｎｆｏｒｍａｔｉｏｎ
Ｓｃｉｅｎｃｅ，２０２０，３８（３）：３５－４１．
［１０］ ＳＨＥＮ Ｙｕｎｆｅｎｇ，ＷＡＮＧ Ｙｉｎｇｊｉｅ．Ｋｎｏｗｌｅｄｇｅ ｍａｐｐｉｎｇ ｏｆ ｐｕｂｌｉｃ
ｃｒｉｓｉｓ ｅｖｅｎｔｓ ｂａｓｅｄ ｏｎ ｉｎｔｅｒｎｅｔ ｎｅｗｓ ｃｏｒｐｕｓ ［ Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ
Ｓｃｉｅｎｃｅ，２０２１，３９（１）：７２－８０．
［１１］ 鲍玉来，耿雪来，飞 龙．基于卷积神经网络的旅游信息关
系抽取研究［Ｊ］．现代情报，２０１９，３９（８）：１３２－１３６．
［１２］ 梁 野，李小元，许 航，等．ＣＬＯｐｉｎ：一种面向舆情分析与
预警领域的跨语言知识图谱架构［ Ｊ］ ． 数据分析与知识发
现，２０２０，４（６） ：１－１４．
［１３］ ＱＩＮ Ｈ，ＦＥＩ Ｑ，ＭＡ Ｘ，ｅｔ ａｌ． Ａ ｎｅｗ ｐａｒａｍｅｔｅｒ ｒｅｄｕｃｔｉｏｎ ａｌｇｏ⁃
ｒｉｔｈｍ ｆｏｒ ｓｏｆｔ ｓｅｔｓ ｂａｓｅｄ ｏｎ ｃｈｉ－ｓｑｕａｒｅ ｔｅｓｔ［Ｊ］．Ａｐｐｌｉｅｄ Ｉｎｔｅｌ⁃
ｌｉｇｅｎｃｅ，２０２１，５１（１１） ：７９６０－７９７２．
［ １４］ ＰＡＮＧ Ｓｈａｎｃｈｅｎ，ＹＡＯ Ｊｉａｍｉｎ，ＬＩＵ Ｔｉｎｇ，ｅｔ ａｌ．Ａ ｔｅｘｔ ｓｉｍｉｌａｒｉｔｙ

究的方向。 ｍｅａｓｕｒｅｍｅｎｔ ｂａｓｅｄ ｏｎ ｓｅｍａｎｔｉｃ ｆｉｎｇｅｒｐｒｉｎｔ ｏｆ ｃｈａｒａｃｔｅｒｉｓｔｉｃ

ｐｈｒａｓｅｓ［Ｊ］．Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃｓ，２０２０，２９（２）：２３３－
２４１．
参考文献：
［１５］ 朱晓旭，钱培德．脏话文本语料库建设［ Ｊ］ ．计算机工程与应
［１］ 端祥宇，袁 冠，孟凡荣．动态社区发现方法研究综述［ Ｊ］ ．
用，２０１４，５０（１１） ：１２６－１２９．
计算机科学与探索，２０２１，１５（４）：６１２－６３０．
［２］ ＢＬＥＩ Ｄ Ｍ，ＮＧ Ａ Ｙ，ＪＯＲＤＡＮ Ｍ Ｉ，ｅｔ ａｌ．Ｌａｔｅｎｔ Ｄｉｒｉｃｈｌｅｔ ａｌｌｏ⁃